自动驾驶的精准感知：CAFuser在恶劣条件下的性能提升研究 ！

文章预览

ADAS  Laboratory 点击上方 蓝字 关注  智驾实验室           加入【 智驾实验室 】交流群， 获取更多内容和资料 利用多个传感器对于自动驾驶的强语义感知至关重要，因为每种传感器类型都有其互补的优势和劣势。然而，现有的传感器融合方法通常将传感器在所有条件下统一处理，导致性能不佳。 相反，作者提出了一种新颖的、条件感知的多模态融合方法，用于对驾驶场景进行强语义感知。 作者的方法CAFuser，使用RGB相机输入来分类环境条件，并生成一个条件 Token ，引导多个传感器模态的融合。 作者还进一步新引入了模态特定的特征 Adapter ，将不同的传感器输入对齐到共享的潜在空间，从而实现与单个和共享预训练 Backbone 的高效集成。 通过根据实际条件动态调整传感器融合，作者的模型在恶劣条件下的鲁棒性和准确性显著提高，尤其是在公共 ………………………………